基于推荐的抗攻击电子商务信任模型.docVIP

基于推荐的抗攻击电子商务信任模型 　　摘要：针对目前在线信誉系统面临的自我提升攻击、恶意诋毁攻击和漂白攻击三类常见的攻击，提出了一种基于推荐的集中式信任模型该模型综合了用户间购买行为的相似度以及评价的时效性确定对某件商品的推荐信任值，同时结合基于自身交易经验的直接信任值，来获取对该商品的综合信任度通过在真实交易数据中注入三类攻击进行仿真，实验结果证明，相对于现有的信誉管理模型，该模型能更好地抵御攻击，为消费者提供更准确的卖家和商品信誉值 　　关键词：自我提升攻击； 恶意诋毁攻击； 漂白攻击； 推荐； 集中式信任模型； 时效性 　　中图分类号：TP393.08 文献标志码：A 　　0引言 　　信用的缺失是导致网上交易中欺诈、受骗现象屡屡发生的主要原因之一[1]，为促进电子商务持续、快速、健康的发展，研究如何建立或增进电子商务交易双方的信任问题尤为必要，目前解决这类问题的研究主要集中在信任与信誉机制研究方面 　　常见的信誉管理模型有XRep[2]、EigenTrust[3]、PeerTrust[4]、P2Prep[5]、TrustGuard[6]、PowerTurst[7]等，但这些信誉模型大都适用于对等网（PeertoPeer，P2P）分布式网络环境中，如P2P文件共享系统对等网络中的文件共享系统与电子商务系统有较大的不同，例如大型电子商务平台中注册用户数在108级别，而一般的对等网络文件共享系统注册用户数在104级别对于用户在线率来说，电子商务平台远低于P2P文件共享系统，购买者只会在浏览商品或购物时才会上线，而文件共享系统中用户则可能长期在线电子商务系统中的信誉系统如果使用分布式信誉机制，一方面电子商务网络庞大，遍历一次需要大量时间；另一方面由于在线率相对较低，从邻居节点获取的信息比较稀疏，因此难以得到较好的全局或局部信誉值 　　在线信誉系统，如eBay[8]，虽然计算简单，但是容易受到恶意攻击，不能准确地反映商家或商品的真实信誉目前电子商务在线信誉系统易受到的攻击有三种：1）自我提升攻击，商家通过买通部分买家进行虚假交易给予“好评”提升自己的信誉水平，一般在商家信誉比较低的时候进行；2）恶意诋毁攻击，部分买家通过操作大量假名用户的方式以威胁给“差评”或“中评”降低商家信誉的方式讹诈商家，或者商家买通部分买家恶意诋毁竞争对手；3）漂白攻击，商家前期信誉良好，但一段时间内通过大量恶意交易谋取利益，在信誉降低后重新提升信誉或者重新注册进入系统 [9] 　　本文针对电子商务在线信誉系统易受到的三种攻击，以及电子商务自身的特点，提出了一种基于推荐的集中式信任模型 　　1信任模型 　　商务电子商务的用户主要分为两类，消费者（买家）和商家（卖家），本文提到的用户一般指消费者电子商务中的信任模型实质上是根据消费者的历史交易记录和其他消费者的评价信息计算对商品的信任度，从而为消费者选择交易对象提供参考依据信任反映的是一个消费者对商品质量、商家行为和服务能力等的综合评价，是对商家将来提供服务可靠程度的预测[10-12] 　　本文借鉴文献[3，9，11，13]的思想，引入直接信任度、推荐信任度、满意度评价、时间衰减函数和相似性等概念将信任度T（trust）定义为消费者对商品的信任程度的定量表示，由直接信任度和推荐信任度两部分组成 　　本文针对第一个假设，使用余弦相似度来衡量买家对其他消费者的信任程度；针对第二个假设，使用遗忘曲线衰减函数来进行加权；针对第三个假设，对买家自己的直接经验和其他买家的意见可以赋予不同的权值；针对第四个假设，设置了一个阈值，当遗忘曲线的时间衰减因子小于阈值时，计算信任度时不采用该评价 　　遗忘曲线[14]是德国心理学家艾宾浩斯研究发现的，遗忘在学习后立即开始，而且遗忘的进程并不均匀以前的信任模型研究提出了两类衰减函数：乐观型和悲观型[9]，本文认为这两种衰减函数虽然在一定程度上满足时效随时间发生衰退的基本特征，但都不能准确反映其他买家的意见随时间的变化情况，而遗忘曲线能比较好地体现评价的时效性，最初时效性衰减得很快，但一段时间后衰减速度变慢[15]，比如买家对最近一个月的购买者的评价的认可程度远比两个月前的购买者的意见的认可度高，但对四个月前和五个月前的购买者的评价的认可程度可能相差不大 　　1.1直接信任度 　　在电子商务中，直接信任度TD（direct trust）是指消费者根据自己购买商品的经验而得到的对该商品的信任程度 　　定义1满意度评价s（satisfactory）当消费者购买商品后，对商家提供的服务，包括商品质量、发货速度、商家服务态度等的一个综合评价本文按照对服务质量的满意程度分为表1所示的5类 　　定义2时间衰减函数为了准确地计算消费者对商品的信任度，信任模型